GRU ajustada (Fine-Tuned GRU)
La GRU ajustada (Fine-Tuned GRU) adapta una xarxa d'unitats recurrents amb portes (Gated Recurrent Unit) —preentrenada en un gran conjunt de dades font— a una tasca o domini objectiu específic, continuant l'entrenament amb dades etiquetades pròpies del domini. Això combina la capacitat de memòria seqüencial de les GRU amb els guanys d'eficiència de l'aprenentatge per transferència, aconseguint un rendiment sòlid fins i tot quan les dades objectiu etiquetades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Cho, K., van Merrienboer, B., Gulcehre, C., Bahdanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation. In Proceedings of EMNLP 2014, pp. 1724-1734. link ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345-1359. DOI: 10.1109/TKDE.2009.191 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Fine-Tuned Gated Recurrent Unit Network. ScholarGate. https://scholargate.app/ca/deep-learning/fine-tuned-gru
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- LSTM afinadaAprenentatge profund↔ compare
- Transformer afinatAprenentatge profund↔ compare
- Unitat recurrent amb portes (GRU)Aprenentatge profund↔ compare
- Long Short-Term Memory (LSTM)Aprenentatge profund↔ compare
- Xarxa Neuronal RecurrentAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →